從零開始入門 K8s | 應用儲存和持久化資料卷：儲存快照與拓撲排程
作者 | 至天 阿里巴巴高階研發工程師
一、基本知識
儲存快照產生背景
在使用儲存時，為了提高資料操作的容錯性，我們通常有需要對線上資料進行 snapshot ，以及能快速 restore 的能力。另外，當需要對線上資料進行快速的複製以及遷移等動作，如進行環境的複製、資料開發等功能時，都可以通過儲存快照來滿足需求，而 K8s 中通過 CSI Snapshotter controller 來實現儲存快照的功能。
儲存快照使用者介面-Snapshot
我們知道，K8s 中通過 pvc 以及 pv 的設計體系來簡化使用者對儲存的使用，而儲存快照的設計其實是仿照 pvc & pv 體系的設計思想。當用戶需要儲存快照的功能時，可以通過 VolumeSnapshot 物件來宣告，並指定相應的 VolumeSnapshotClass 物件，之後由叢集中的相關元件動態生成儲存快照以及儲存快照對應的物件 VolumeSnapshotContent 。如下對比圖所示，動態生成 VolumeSnapshotContent 和動態生成 pv 的流程是非常相似的。
儲存快照使用者介面-Restore
有了儲存快照之後，如何將快照資料快速恢復過來呢？如下圖所示：
如上所示的流程，可以藉助 PVC 物件將其的 dataSource 欄位指定為 VolumeSnapshot 物件。這樣當 PVC 提交之後，會由叢集中的相關元件找到 dataSource 所指向的儲存快照資料，然後新建立對應的儲存以及 pv 物件，將儲存快照資料恢復到新的 pv 中，這樣資料就恢復回來了，這就是儲存快照的 restore 用法。
Topolopy-含義
首先了解一下拓撲是什麼意思：這裡所說的拓撲是 K8s 叢集中為管理的 nodes 劃分的一種“位置”關係，意思為：可以通過在 node 的 labels 資訊裡面填寫某一個 node 屬於某一個拓撲。
常見的有三種，這三種在使用時經常會遇到的：
第一種，在使用雲端儲存服務的時候，經常會遇到 region，也就是地區的概念，在 K8s 中常通過 label failure-domain.beta.kubernetes.io/region 來標識。這個是為了標識單個 K8s 叢集管理的跨 region 的 nodes 到底屬於哪個地區；
第二種，比較常用的是可用區，也就是 available zone，在 K8s 中常通過 label failure-domain.beta.kubernetes.io/zone 來標識。這個是為了標識單個 K8s 叢集管理的跨 zone 的 nodes 到底屬於哪個可用區；
第三種，是 hostname，就是單機維度，是拓撲域為 node 範圍，在 K8s 中常通過 label kubernetes.io/hostname 來標識，這個在文章的最後講 local pv 的時候，會再詳細描述。
上面講到的三個拓撲是比較常用的，而拓撲其實是可以自己定義的。可以定義一個字串來表示一個拓撲域，這個 key 所對應的值其實就是拓撲域下不同的拓撲位置。
舉個例子：可以用 rack，也就是機房中的機架這個緯度來做一個拓撲域。這樣就可以將不同機架 ( rack ) 上面的機器標記為不同的拓撲位置，也就是說可以將不同機架上機器的位置關係通過 rack 這個緯度來標識。屬於 rack1 上的機器，node label 中都新增 rack 的標識，它的 value 就標識成 rack1，即 rack=rack1；另外一組機架上的機器可以標識為 rack=rack2，這樣就可以通過機架的緯度就來區分來 K8s 中的 node 所處的位置。
接下來就一起來看看拓撲在 K8s 儲存中的使用。
儲存拓撲排程產生背景
上一節課我們說過，K8s 中通過 PV 的 PVC 體系將儲存資源和計算資源分開管理了。如果創建出來的 PV有"訪問位置"的限制，也就是說，它通過 nodeAffinity 來指定哪些 node 可以訪問這個 PV。為什麼會有這個訪問位置的限制？
因為在 K8s 中建立 pod 的流程和建立 PV 的流程，其實可以認為是並行進行的，這樣的話，就沒有辦法來保證 pod 最終執行的 node 是能訪問到 有位置限制的 PV 對應的儲存，最終導致 pod 沒法正常執行。這裡來舉兩個經典的例子：
首先來看一下 Local PV 的例子，Local PV 是將一個 node 上的本地儲存封裝為 PV，通過使用 PV 的方式來訪問本地儲存。為什麼會有 Local PV 的需求呢？簡單來說，剛開始使用 PV 或 PVC 體系的時候，主要是用來針對分散式儲存的，分散式儲存依賴於網路，如果某些業務對 I/O 的效能要求非常高，可能通過網路訪問分散式儲存沒辦法滿足它的效能需求。這個時候需要使用本地儲存，刨除了網路的 overhead，效能往往會比較高。但是用本地儲存也是有壞處的！分散式儲存可以通過多副本來保證高可用，但本地儲存就需要業務自己用類似 Raft 協議來實現多副本高可用。
接下來看一下 Local PV 場景可能如果沒有對 PV 做“訪問位置”的限制會遇到什麼問題？
當用戶在提交完 PVC 的時候，K8s PV controller可能繫結的是 node2 上面的 PV。但是，真正使用這個 PV 的 pod，在被排程的時候，有可能排程在 node1 上，最終導致這個 pod 在起來的時候沒辦法去使用這塊儲存，因為 pod 真實情況是要使用 node2 上面的儲存。
第二個(如果不對 PV 做“訪問位置”的限制會出問題的)場景：
如果搭建的 K8s 叢集管理的 nodes 分佈在單個區域多個可用區內。在建立動態儲存的時候，創建出來的儲存屬於可用區 2，但之後在提交使用該儲存的 pod，它可能會被排程到可用區 1 了，那就可能沒辦法使用這塊儲存。因此像阿里雲的雲盤，也就是塊儲存，當前不能跨可用區使用，如果建立的儲存其實屬於可用區 2，但是 pod 執行在可用區 1，就沒辦法使用這塊儲存，這是第二個常見的問題場景。
接下來我們來看看 K8s 中如何通過儲存拓撲排程來解決上面的問題的。
儲存拓撲排程
首先總結一下之前的兩個問題，它們都是 PV 在給 PVC 繫結或者動態生成 PV 的時候，我並不知道後面將使用它的 pod 將排程在哪些 node 上。但 PV 本身的使用，是對 pod 所在的 node 有拓撲位置的限制的，如 Local PV 場景是我要排程在指定的 node 上我才能使用那塊 PV，而對第二個問題場景就是說跨可用區的話，必須要在將使用該 PV 的 pod 排程到同一個可用區的 node 上才能使用阿里云云盤服務，那 K8s 中怎樣去解決這個問題呢？
簡單來說，在 K8s 中將 PV 和 PVC 的 binding 操作和動態建立 PV 的操作做了 delay，delay 到 pod 排程結果出來之後，再去做這兩個操作。這樣的話有什麼好處？
- 首先，如果要是所要使用的 PV 是預分配的，如 Local PV，其實使用這塊 PV 的 pod 它對應的 PVC 其實還沒有做繫結，就可以通過排程器在排程的過程中，結合 pod 的計算資源需求(如 cpu/mem) 以及 pod 的 PVC 需求，選擇的 node 既要滿足計算資源的需求又要 pod 使用的 pvc 要能 binding 的 pv 的 nodeaffinity 限制;
- 其次對動態生成 PV 的場景其實就相當於是如果知道 pod 執行的 node 之後，就可以根據 node 上記錄的拓撲資訊來動態的建立這個 PV，也就是保證新創建出來的 PV 的拓撲位置與執行的 node 所在的拓撲位置是一致的，如上面所述的阿里云云盤的例子，既然知道 pod 要執行到可用區 1，那之後建立儲存時指定在可用區 1 建立即可。
為了實現上面所說的延遲繫結和延遲建立 PV，需要在 K8s 中的改動涉及到的相關元件有三個：
- PV Controller 也就是 persistent volume controller，它需要支援延遲 Binding 這個操作。
- 另一個是動態生成 PV 的元件，如果 pod 排程結果出來之後，它要根據 pod 的拓撲資訊來去動態的建立 PV。
- 第三元件，也是最重要的一個改動點就是 kube-scheduler。在為 pod 選擇 node 節點的時候，它不僅要考慮 pod 對 CPU/MEM 的計算資源的需求，它還要考慮這個 pod 對儲存的需求，也就是根據它的 PVC，它要先去看一下當前要選擇的 node，能否滿足能和這個 PVC 能匹配的 PV 的 nodeAffinity；或者是動態生成 PV 的過程，它要根據 StorageClass 中指定的拓撲限制來 check 當前的 node 是不是滿足這個拓撲限制，這樣就能保證排程器最終選擇出來的 node 就能滿足儲存本身對拓撲的限制。
這就是儲存拓撲排程的相關知識。
二、用例解讀
接下來通過 yaml 用例來解讀一下第一部分的基本知識。
Volume Snapshot/Restore示例
下面來看一下儲存快照如何使用：首先需要叢集管理員，在叢集中建立 VolumeSnapshotClass 物件，VolumeSnapshotClass 中一個重要欄位就是 Snapshot，它是指定真正建立儲存快照所使用的卷外掛，這個卷外掛是需要提前部署的，稍後再說這個卷外掛。
接下來使用者他如果要做真正的儲存快照，需要宣告一個 VolumeSnapshotClass ， VolumeSnapshotClass 首先它要指定的是 VolumeSnapshotClassName，接著它要指定的一個非常重要的欄位就是 source，這個 source 其實就是指定快照的資料來源是啥。這個地方指定 name 為 disk-pvc，也就是說通過這個 pvc 物件來建立儲存快照。提交這個 VolumeSnapshot 物件之後，叢集中的相關元件它會找到這個 PVC 對應的 PV 儲存，對這個 PV 儲存做一次快照。
有了儲存快照之後，那接下來怎麼去用儲存快照恢復資料呢？這個其實也很簡單，通過宣告一個新的 PVC 物件並在它的 spec 下面的 DataSource 中來宣告我的資料來源來自於哪個 VolumeSnapshot，這裡指定的是 disk-snapshot 物件，當我這個 PVC 提交之後，叢集中的相關元件，它會動態生成新的 PV 儲存，這個新的 PV 儲存中的資料就來源於這個 Snapshot 之前做的儲存快照。
Local PV 的示例
如下圖看一下 Local PV 的 yaml 示例：
Local PV 大部分使用的時候都是通過靜態建立的方式，也就是要先去宣告 PV 物件，既然 Local PV 只能是本地訪問，就需要在宣告 PV 物件的，在 PV 物件中通過 nodeAffinity 來限制我這個 PV 只能在單 node 上訪問，也就是給這個 PV 加上拓撲限制。如上圖拓撲的 key 用 kubernetes.io/hostname 來做標記，也就是隻能在 node1 訪問。如果想用這個 PV，你的 pod 必須要排程到 node1 上。
既然是靜態建立 PV 的方式，這裡為什麼還需要 storageClassname 呢？前面也說了，在 Local PV 中，如果要想讓它正常工作，需要用到延遲繫結特性才行，那既然是延遲繫結，當用戶在寫完 PVC 提交之後，即使叢集中有相關的 PV 能跟它匹配，它也暫時不能做匹配，也就是說 PV controller 不能馬上去做 binding，這個時候你就要通過一種手段來告訴 PV controller，什麼情況下是不能立即做 binding。這裡的 storageClass 就是為了起到這個副作用，我們可以看到 storageClass 裡面的 provisioner 指定的是 no-provisioner，其實就是相當於告訴 K8s 它不會去動態建立 PV，它主要用到 storageclass 的VolumeBindingMode 欄位，叫 WaitForFirstConsumer，可以先簡單地認為它是延遲繫結。
當用戶開始提交 PVC 的時候，pv controller 在看到這個 pvc 的時候，它會找到相應的 storageClass，發現這個 BindingMode 是延遲繫結，它就不會做任何事情。
之後當真正使用這個 pvc 的 pod，在排程的時候，當它恰好排程在符合 pv nodeaffinity 的 node 的上面後，這個 pod 裡面所使用的 PVC 才會真正地與 PV 做繫結，這樣就保證我 pod 排程到這臺 node 上之後，這個 PVC 才與這個 PV 繫結，最終保證的是創建出來的 pod 能訪問這塊 Local PV，也就是靜態 Provisioning 場景下怎麼去滿足 PV 的拓撲限制。
限制 Dynamic Provisioning PV 拓撲示例
再看一下動態 Provisioning PV 的時候，怎麼去做拓撲限制的？
動態就是指動態建立 PV 就有拓撲位置的限制，那怎麼去指定？
首先在 storageclass 還是需要指定 BindingMode，就是 WaitForFirstConsumer，就是延遲繫結。
其次特別重要的一個欄位就是 allowedTopologies，限制就在這個地方。上圖中可以看到拓撲限制是可用區的級別，這裡其實有兩層意思：
- 第一層意思就是說我在動態建立 PV 的時候，創建出來的 PV 必須是在這個可用區可以訪問的;
- 第二層含義是因為宣告的是延遲繫結，那排程器在發現使用它的 PVC 正好對應的是該 storageclass 的時候，排程 pod 就要選擇位於該可用區的 nodes。
總之，就是要從兩方面保證，一是動態創建出來的儲存時要能被這個可用區訪問的，二是我排程器在選擇 node 的時候，要落在這個可用區內的，這樣的話就保證我的儲存和我要使用儲存的這個 pod 它所對應的 node，它們之間的拓撲域是在同一個拓撲域，使用者在寫 PVC 檔案的時候，寫法是跟以前的寫法是一樣的，主要是在 storageclass 中要做一些拓撲限制。
三、操作演示
本節將在線上環境來演示一下前面講解的內容。
首先來看一下我的阿里雲伺服器上搭建的 K8s 服務。總共有 3 個 node 節點。一個 master 節點，兩個 node。其中 master 節點是不能排程 pod 的。
再看一下，我已經提前把我需要的外掛已經布好了，一個是 snapshot 外掛 ( csi-external-snapshot* ) ，一個是動態雲盤的外掛 ( csi-disk* ) 。
現在開始 snapshot 的演示。首先去動態建立雲盤，然後才能做 snapshot。動態建立雲盤需要先建立 storageclass，然後去根據 PVC 動態建立 PV，然後再建立一個使用它的 pod 了。
有個以上物件，現在就可以做 snapshot 了，首先看一下做 snapshot 需要的第一個配置檔案：snapshotclass.yaml。
其實裡面就是指定了在做儲存快照的時候需要使用的外掛，這個外掛剛才演示了已經部署好了，就是 csi-external-snapshot-0 這個外掛。
接下來建立 volume-snapshotclass 檔案，建立完之後就開始了 snapshot。
然後看 snapshot.yaml，Volumesnapshot 宣告建立儲存快照了，這個地方就指定剛才建立的那個 PVC 來做的資料來源來做 snapshot，那我們開始建立。
我們看一下 Snapshot 有沒有建立好，如下圖所示，content 已經在 11 秒之前建立好了。
可以看一下它裡面的內容，主要看 volumesnapshotcontent 記錄的一些資訊，這個是我 snapshot 出來之後，它記錄的就是雲端儲存廠商那邊返回給我的 snapshot 的 ID。然後是這個 snapshot 資料來源，也就是剛才指定的 PVC，可以通過它會找到對應的 PV。
snapshot 的演示大概就是這樣，把剛才建立的 snapshot 刪掉，還是通過 volumesnapshot 來刪掉。然後看一下，動態建立的這個 volumesnapshotcontent 也被刪掉。
接下來看一下動態 PV 建立的過程加上一些拓撲限制，首先將的 storageclass 創建出來，然後再看一下 storageclass 裡面做的限制，storageclass 首先還是指定它的 BindingMode 為 WaitForFirstConsumer，也就是做延遲繫結，然後是對它的拓撲限制，我這裡面在 allowedTopologies 欄位中配置了一個可用區級別的限制。
來嘗試建立一下的 PVC，PVC 創建出來之後，理論上它應該處在 pending 狀態。看一下，它現在因為它要做延遲繫結，由於現在沒有使用它的 pod，暫時沒辦法去做繫結，也沒辦法去動態建立新的 PV。
接下來建立使用該 pvc 的 pod 看會有什麼效果，看一下 pod，pod 也處在 pending了。
那來看一下 pod 為啥處在 pending 狀態，可以看一下是排程失敗了，排程失敗原因：一個 node 由於 taint 不能排程，這個其實是 master，另外兩個 node 也是沒有說是可繫結的 PV。
為什麼會有兩個 node 出現沒有可繫結的 pv 的錯誤？不是動態建立麼？
我們來仔細看看 storageclass 中的拓撲限制，通過上面的講解我們知道，這裡限制使用該 storageclass 建立的 PV 儲存必須在可用區 cn-hangzhou-d 可訪問的，而使用該儲存的 pod 也必須排程到 cn-hangzhou-d 的 node 上。
那就來看一下 node 節點上有沒有這個拓撲資訊，如果它沒有當然是不行了。
看一下第一個 node 的全量資訊吧，主要找它的 labels 裡面的資訊，看 lables 裡面的確有一個這樣的 key。也就是說有一個這樣的拓撲，但是這指定是 cn-hangzhou-b，剛才 storageclass 裡面指定的是 cn-hangzhou-d。
那看一下另外的一個 node 上的這個拓撲資訊寫的也是 hangzhou-b，但是我們那個 storageclass 裡面限制是 d。
這就導致最終沒辦法將 pod 排程在這兩個 node 上。現在我們修改一下 storageclass 中的拓撲限制，將 cn-hangzhou-d 改為 cn-hangzhou-b。
改完之後再看一下，其實就是說我動態創建出來的 PV 要能被 hangzhou-b 這個可用區訪問的，使用該儲存的 pod 要排程到該可用區的 node 上。把之前的 pod 刪掉，讓它重新被排程看一下有什麼結果，好，現在這個已經排程成功了，就是已經在啟動容器階段。
說明剛才把 storageclass 它裡面的對可用區的限制從 hangzhou-d 改為 hangzhou-b 之後，叢集中就有兩個 node，它的拓撲關係是和 storageclass 裡要求的拓撲關係是相匹配的，這樣的話它就能保證它的 pod 是有 node 節點可排程的。上圖中最後一點 Pod 已經 Running 了，說明剛才的拓撲限制改動之後可以 work 了。
四、處理流程
kubernetes 對 Volume Snapshot/Restore 處理流程
接下來看一下 K8s 中對儲存快照與拓撲排程的具體處理流程。如下圖所示：
首先來看一下儲存快照的處理流程，這裡來首先解釋一下 csi 部分。K8s 中對儲存的擴充套件功能都是推薦通過 csi out-of-tree 的方式來實現的。
csi 實現儲存擴充套件主要包含兩部分：
- 第一部分是由 K8s 社群推動實現的 csi controller 部分，也就是這裡的 csi-snapshottor controller 以及 csi-provisioner controller，這些主要是通用的 controller 部分;
- 另外一部分是由特定的雲端儲存廠商用自身 OpenAPI 實現的不同的 csi-plugin 部分，也叫儲存的 driver 部分。
兩部分部件通過 unix domain socket 通訊連線到一起。有這兩部分，才能形成一個真正的儲存擴充套件功能。
如上圖所示，當用戶提交 VolumeSnapshot 物件之後，會被 csi-snapshottor controller watch 到。之後它會通過 GPPC 呼叫到 csi-plugin，csi-plugin 通過 OpenAPI 來真正實現儲存快照的動作，等儲存快照已經生成之後，會返回到 csi-snapshottor controller 中，csi-snapshottor controller 會將儲存快照生成的相關資訊放到 VolumeSnapshotContent 物件中並將使用者提交的 VolumeSnapshot 做 bound。這個 bound 其實就有點類似 PV 和 PVC 的 bound 一樣。
有了儲存快照，如何去使用儲存快照恢復之前的資料呢？前面也說過，通過宣告一個新的 PVC 物件，並且指定他的 dataSource 為 Snapshot 物件，當提交 PVC 的時候會被 csi-provisioner watch 到，之後會通過 GRPC 去建立儲存。這裡建立儲存跟之前講解的 csi-provisioner 有一個不太一樣的地方，就是它裡面還指定了 Snapshot 的 ID，當去雲廠商建立儲存時，需要多做一步操作，即將之前的快照資料恢復到新建立的儲存中。之後流程返回到 csi-provisioner，它會將新建立的儲存的相關資訊寫到一個新的 PV 物件中，新的 PV 物件被 PV controller watch 到它會將使用者提交的 PVC 與 PV 做一個 bound，之後 pod 就可以通過 PVC 來使用 Restore 出來的資料了。這是 K8s 中對儲存快照的處理流程。
kubernetes 對 Volume Topology-aware Scheduling 處理流程
接下來看一下儲存拓撲排程的處理流程：
第一個步驟其實就是要去宣告延遲繫結，這個通過 StorageClass 來做的，上面已經闡述過，這裡就不做詳細描述了。
接下來看一下排程器，上圖中紅色部分就是排程器新加的儲存拓撲排程邏輯，我們先來看一下不加紅色部分時排程器的為一個 pod 選擇 node 時，它的大概流程：
- 首先使用者提交完 pod 之後，會被排程器 watch 到，它就會去首先做預選，預選就是說它會將叢集中的所有 node 都來與這個 pod 它需要的資源做匹配；
- 如果匹配上，就相當於這個 node 可以使用，當然可能不止一個 node 可以使用，最終會選出來一批 node；
- 然後再經過第二個階段優選，優選就相當於我要對這些 node 做一個打分的過程，通過打分找到最匹配的一個 node；
- 之後排程器將排程結果寫到 pod 裡面的 spec.nodeName 欄位裡面，然後會被相應的 node 上面的 kubelet watch 到，最後就開始建立 pod 的整個流程。
那現在看一下加上卷相關的排程的時候，篩選 node(第二個步驟)又是怎麼做的？
- 先就要找到 pod 中使用的所有 PVC，找到已經 bound 的 PVC，以及需要延遲繫結的這些 PVC；
- 對於已經 bound 的 PVC，要 check 一下它對應的 PV 裡面的 nodeAffinity 與當前 node 的拓撲是否匹配 。如果不匹配， 就說明這個 node 不能被排程。如果匹配，繼續往下走，就要去看一下需要延遲繫結的 PVC；
- 對於需要延遲繫結的 PVC。先去獲取叢集中存量的 PV，滿足 PVC 需求的，先把它全部撈出來，然後再將它們一一與當前的 node labels 上的拓撲做匹配，如果它們(存量的 PV)都不匹配，那就說明當前的存量的 PV 不能滿足需求，就要進一步去看一下如果要動態建立 PV 當前 node 是否滿足拓撲限制，也就是還要進一步去 check StorageClass 中的拓撲限制，如果 StorageClass 中宣告的拓撲限制與當前的 node 上面已經有的 labels 裡面的拓撲是相匹配的，那其實這個 node 就可以使用，如果不匹配，說明該 node 就不能被排程。
經過這上面步驟之後，就找到了所有即滿足 pod 計算資源需求又滿足 pod 儲存資源需求的所有 nodes。
當 node 選出來之後，第三個步驟就是排程器內部做的一個優化。這裡簡單過一下，就是更新經過預選和優選之後，pod 的 node 資訊，以及 PV 和 PVC 在 scheduler 中做的一些 cache 資訊。
第四個步驟也是重要的一步，已經選擇出來 node 的 Pod，不管其使用的 PVC 是要 binding 已經存在的 PV，還是要做動態建立 PV，這時就可以開始做。由排程器來觸發，排程器它就會去更新 PVC 物件和 PV 物件裡面的相關資訊，然後去觸發 PV controller 去做 binding 操作，或者是由 csi-provisioner 去做動態建立流程。
總結
- 通過對比 PVC&PV 體系講解了儲存快照的相關 K8s 資源物件以及使用方法；
- 通過兩個實際場景遇到的問題引出儲存拓撲排程功能必要性，以及 K8s 中如何通過拓撲排程來解決這些問題；
- 通過剖析 K8s 中儲存快照和儲存拓撲排程內部執行機制，深入理解該部分功能的工作原理。
阿里巴巴雲原生微信公眾號（ID：Alicloudnative）關注微服務、Serverless、容器、Service Mesh等技術領域、聚焦雲原生流行技術趨勢、雲原生大規模的落地實踐，做最懂雲原生開發者的技術公眾號。
本文由部落格一文多發平臺 OpenWrite 釋出！